專利名稱：紅外照相機探測系統及方法
技術領域：
本公開文本涉及一種紅外成像系統，更具體地，涉及一種紅外照相機探測系統及方法。
背景技術：
水中的石油泄漏給基于可視探測方法的成像系統提出了特殊的挑戰。例如，像原油一樣，海水通常是混濁的并且眼睛看起來是黑暗的。原油或柴油泄漏由于它們的較低密度可以漂浮在表面上，并且可以形成清晰可見的膜，尤其在靜水中。但是，至少對于肉眼而言，油膜不可能表現出與水面本身強烈的對比。這種情況可能出現在波浪起伏或被波浪覆蓋的水中，因為根據水如何反射其上方的天空或太陽，水面可以交替地看上去黑暗或明亮，因此掩蓋了低對比度的油膜區域。因此，需要一種改進的成像系統，其可以用于漏油探測應用
發明內容
根據一個或多個實施方式，本文公開的紅外成像系統和方法提供了一種紅外照相機探測技術，包括探測紅外圖像中的石油(例如，油、柴油或其他石油化學制品)。作為例子的石油可以在水體中，例如在水體的表面上。石油例如可以集中(即，呈膜、焦油球或團狀聚集或形成在一起)或覆蓋被成像的水體的一部分。紅外圖像的每幀由很多數字像素構成。這些數字像素每個可以由下采樣版本單獨地表征或者表示。對于未被水或者其他障礙物污染的水面，具有水面的固定視域的傳感器將提供相同水面區域的紅外圖像的順序幀。可以檢查每個像素以提取諸如某個帶寬內的強度、對比度和能量的特征。與從每個像素提取特征的類型無關，這些特征將具有某種能夠隨著時間預測的統計表現，在本文中，將提取的特征的統計表現表示為局部背景模型。局部背景模型基于未被油或其他障礙物污染的“正常”水表現。因此，可以將局部背景模型(LBM)預期看為對于任意給定的正常像素特征的高度似然性，可以將相同的局部背景模型預期為與來自被油污染的水面的圖像的像素的特征觀察有關的高度似然性。在一個實施方式中，使用混合高斯模型(MGM)構建局部背景模型。在收集紅外圖像時，可以相對于每個像素的LBM檢測每個像素(或者其下采樣版本)，以確定LBM的似然性。因為LBM將隨著海面改變而改變，所以在產生圖像幀時連續更新LBM。該更新衰減，從而異常事件的短序列不會使局部模型偏斜。但是，存在與油無關的離群值事件，其將產生使LBM不可能的像素特征。例如，雖然沒有油污染物，諸如大型褐藻或其他漂浮物的障礙物、閃光和固定結構將產生使LBM不可能的像素特征。為了防止來自這種離群值的錯誤告警，產生了用于提取的特征的全局離群值模型(OM)。就像LBM，OM是提取特征似然性的統計模型。因此，可以在OM下評估給定像素的觀察特征，以確定OM是可能的還是不可能的。因為OM是模型離群值，而不是正常的水表現，因此其不可能像對于LBM發生的那樣被在每個新幀上相等地更新。相反，根據其在LBM下的概率，通過加權像素而使OM朝向異常事件偏斜。為了降低計算復雜性，該更新可能發生于在LBM下評估的像素的一些最小似然性部分。本公開文本的范圍由權利要求書限定，其通過參考并入在該部分中。通過參考下面的一個或多個實施方式的詳細描述，所屬領域技術人員將被給予本公開文本的實施方式的更完全的理解及其附加優點的認識。將參考首先將被簡要描述的附圖的附加頁。
圖1示出了根據一個實施方式的用于探測紅外圖像中的水上的石油簇(petroleum cluster)的工藝的概圖。圖2示出了框圖，圖示了根據一個或多個實施方式用于捕獲和處理紅外圖像的紅外成像系統，包括探測紅外圖像中的石油。圖3示出了根據一個實施方式的探測紅外圖像中的石油簇的工藝的概圖。圖4圖示了例舉的局部背景模型的似然函數。圖5a圖示了例舉的基于歸一化范圍和結構的離群值模型的邊緣似然函數。圖5b圖示了例舉的基于歸一化范圍和強度的離群值模型的邊緣似然函數。圖6示出了其中排除了離群值模型評估和更新的簡化的油探測處理的概圖。通過參考下面的詳細描述，更好地理解本公開文本的實施方式及其優點。應該意識到，相似的參考標號用來表示在一幅或多幅附圖中圖示的相似的元件。
具體實施例方式
水中的石油泄漏給基于傳統的可視探測方法的成像系統提出了特殊的挑戰。例如，像原油一樣，海水通常是混濁的并且眼睛看起來是黑暗的。在另一個例子中，原油或柴油泄漏由于它們的較低密度可以漂浮在表面上，并且可以形成清晰可見的膜，尤其在靜水中。但是，油膜不可能表現出與水面本身強烈的對比，至少對于肉眼而言。這種情況可能出現在波浪起伏或被波浪覆蓋的水中，因為根據水如何反射其上方的天空或太陽，水面可以交替地看上去黑暗或明亮，因此掩蓋了低對比度的油膜區域。因此，本文公開的熱紅外成像是泄露探測的可行的替換，并且出于多個原因是有效的。例如，海洋表面場景的發光在可視帶中是高度可變的，但是在熱紅外帶中是非常均勻的。可視光等級在光亮的艷陽天和沒有月亮或人造光源的陰云密布的夜晚間可以變化多到I億的因數，而熱IR光等級僅僅最多改變2因數。熱紅外(IR)場景一直由來自場景本身的IR發光固有地照亮，但是可見光成像系統可能在夜晚需要光源，這對于使用可見光作為識別漏油手段的基于成像的探測系統是一個不便。此外，自然的水體表面在可見帶中通常是非常不均勻的反射器，尤其在存在波浪、風浪變化或多云條件時。表面波可以像交替的凸透鏡和凹透鏡一樣，因此改變快速并輕易地遮蔽表面特征(例如，浮油)的水面的視亮度。此外，太陽能干擾可能是可見光系統的巨大問題，其中如果將照相機朝向太陽，尤其在日出或日落時，照相機可能由于從水面反射的陽光而失靈。相比之下，熱IR照相機對太陽很不敏感，因為太陽峰值在電磁(EM)光譜的可見部分，波長大約500nm。即使在多云的一天，其中可見光照明更加均勻，水面亮度的可變度也可能因為表面條件的反射效果而快速改變。這非常不同于熱IR光，其是陽光的較小組分并且由水面本身發出。這種在熱IR帶中發現的亮度均勻性為漏油實際探測打好了基礎。除了紅外之外，水面上的油或柴油膜看上去完全不同于水本身，給漂浮的油膜提供了非常不同的外觀。在長波IR帶中，油傾向于看上去比水暗，而例如在中波IR帶中，油傾向于看上去比水亮。其原因在于現象的復雜混合，包括水和油的反射和折射率性質、薄膜中看到的干涉效應以及近和熱IR波段中油和水的發射率。例如，厚的油膜可以比水更具反射性，原因在于較高的批量折射率。因此，即使與水處于相同的溫度，其也可能發出比水少的IR光，并且將其上方的無源天區反射到照相機鏡頭中。這就意味著厚的油膜可能傾向于看上去比水暗，取決于其他競爭性的光學效果，例如陽光加熱膜或者由于風而冷卻。本文公開了信號處理算法，其有利地開發了長波紅外(LWIR)圖像的這些有利性質以探測水上的石油泄漏。雖然針對油的探測描述了這些算法，但是這些算法可以更一般地應用于其他水面異常的探測，例如半潛集裝箱或其他船運風險。現在轉到附圖，圖1示出了信號處理算法的概圖100。將諸如微型測輻射熱儀的未冷卻的長波紅外(LWIR)傳感器105定位成相對于水面104具有固定的視域。因為傳感器105具有固定的視域，所以不存在會改變視域的運動。通過這種方式，在沒有附加的改變視域難題的情況下，可以獲知水面104的相當復雜和挑戰性的背景表現。但是，應該意識到，可以通過記錄算法開發出的背景模型以與海流探測設備(current sensor)的視域對準而以直接的方式將本文所公開的信號處理算法延伸到運動的傳感器應用中。包含石油的污染物(例如，漏油102)的自動探測是難以應付的問題。海洋狀態能夠從像玻璃般光滑的情況急劇轉變為泛著白浪。除了海洋狀況之外，照明條件也能夠從陽光燦爛急劇轉變為烏云密布。即使具有簡化的固定視域，水面104的產生的紅外圖像因此也會隨著時間明顯變化。此外，因為油漂浮并在波浪中起泡，油本身的對比度能夠改變。在一種情況下，油可能比周圍的水具有更大的強度，而在接著的情況中，油可能具有比周圍的水更小的強度。為了克服這 個挑戰性的探測問題，對來自傳感器105的圖像流進行處理，以生成局部背景模型(LBM)IlO以及離群值模型(OM) 120。LBMllO為與提取的圖像特征有關的單獨像素提供統計模型。為了建立局部背景的模型，可以在一些任意數量的圖像幀上生成LBMllO——例如，可以分析300個幀以生成LBMllO0在一個實施方式中，通過具有大的時間常數的時間衰減在所有時間內連續地獲取LBMllO(除了在視域內探測油時或者在視域內探測油在哪里)。每個圖像像素可以具有其自己的局部背景模型。備選地，可以下采樣原始的圖像像素，使得僅僅下采樣的像素具有單獨的局部背景模型。下采樣減少了被建立模型的像素的數量并且因此減少了計算的復雜度。但是，因為本文所公開的算法與是否實施下采樣無關，因此術語“像素”在本文中用來一般地表示圖像像素，而無關于“像素”是否是實際的下采樣版本的原始圖像像素或者“像素”是否是實際的原始圖像像素。如以上所討論，水面104的紅外圖像將隨著海洋狀態和照明條件改變而改變。將隨著時間影響感測圖像的其他變量包括環境空氣溫度以及水溫。為了使LBMllO隨著局部條件改變而一直更新，基于當前的幀圖像數據連續地更新LBM110。通過這種方式，LBMllO反應局部“正常”表現。假設LBMllO在干凈水上產生，于是它將探測由于諸如油的異常現象產生的改變。但是，除了油之外，還有很多種異常現象，其會產生具有LBMllO建立的預期表現之外的特征的圖像。例如，大型褐藻和其他類型的海藻可以漂浮在水面上。備選地，物體和巖屑也可以漂浮。此外，固定視域可以包括石油平臺或者浮標的一部分，其確定地產生由無障礙水面建立的正常現象之外的圖像特征。因此，僅僅在LBMllO表示存在一組與異常圖像特征相鄰的像素時告警的算法將產生不良數量的錯誤的油探測。0M120通過建立除了油之外的異常的模型來防止或最小化這樣的錯誤告警。為此，0M120建立離群值像素的表現的模型。換句話說，LBMllO用來識別具有與水表面104的預期表現相比看上去異常的圖像特征的像素。因為具有用于每個被建立模型的像素的LBM110，所以存在很多LBM。相比之下，僅存在一個0M120，其為所有像素建立相對罕見事件的統計特性的模型。因此，0M120為對應于這些相對罕見事件的提取特征提供統計模型。但是，用于建立0M120的提取特征可以獨立于用于LBMllO的提取特征。例如，在視域遠端135處的像素可以代表相對大范圍的變化，而在視域相對的近端140處的像素可以代表相對小范圍的變化。因此，與距近端140的像素相反，與遠端135對應的像素代表相當大量的水面區域。為了使錯誤告警率常數保持得與范圍無關，0M120應該依賴于范圍。因此，用來產生0M110的提取特征中的一個應該是范圍。就像LBMllO —樣，在處理新圖像數據時，連續地更新0M120。但是，LBMllO從每一幀更新，因為其是作為模型的正常表現。因為大量的幀代表正常(無油)事件，所以需要基于所有幀更新LBM110。但是，如果探測到油，則LBMllO的更新停止直到正常條件返回。但是當LBMllO正更新時，賦予每幀相等的權重，原因在于LBMllO對于每個像素是獨立的。相比之下，0M120代表所有像素的相對罕見提取特征值的統計表現。因此，不應該由所有像素相等地更新0M120，而僅僅應該由那些具有LBMllO識別的具有統計性異常值的像素更新。例如，可以由加權的每個像素更新0M120。備選地，僅僅將任何給定幀中的總幀的一部分識別為值得加權一例如，具有來自其LBM的前40%最不可能分數的像素可以被用來更新0M120。不管所有像素是否以這種方式使用或者僅僅使用一部分像素，產生的像素可以根據它們在其LBM下的概率而加權，并且還可以歸一化以補償特征值的不均勻的分布。接著，可以基于產生的加權和歸一化像素更新0M120，如本文中進一步討論。最終的結果是對于其LBMllO產生小似然性的像素將在更新的0M120中被分配大的權重。
因此，油探測算法125決定一組相鄰像素是否是與LBMllO和0M120有關的異常，原因在于可以將這樣的像素安全地假設為代表油，在這一點上，其他種類的離群值原因將不會被0M120視為異常。可以使用無線連接130將產生的油探測傳送給操作員。備選地，可以通過有線鏈接進行傳送。通過這種方式，可以將傳感器105安裝在無人操縱但實際上操作員可以被實時地通知任何漏油或石油泄漏的鉆探設備上。這是非常有利的，因為標準操作是船員必需每周檢查這種油鉆探設備以觀察漏油的出現。這不僅是昂貴的，而且還使得泄漏發生數天直到檢查人員到達。相比之下，LBMllO和0M120能夠實時且以低廉的方式來自動地探測這種漏油。此外，如果船員響應于通過鏈接130的告警而到達，但沒有發現油，那么導致這種錯誤告警的異常現象可以用來修訂0M120。通過這種方式，0M120變得越發熟練地識別非油導致的異常現象。LBM110、0M120和油探測算法125可以都使用適當的編程邏輯引擎或處理器(例如，編程微處理器或微控制器)、配置的現場可編程門陣列(FPGA)或ASIC實現。圖2示出了圖示用于捕獲和處理紅外圖像的紅外成像系統200的框圖，包括探測紅外圖像中的石油。處理器210實施LBMllO和0M120以及探測算法125。
在各個實施方式中，紅外成像系統200可以包括一個或多個存儲器220、顯示器240、控制部件250和/或模式感測部件260。在一個實施方式中，紅外成像系統200可以包括一個或多個通信部件252以及一個或多個其他感測部件262或紅外成像系統200的其他元件，這取決于需求和應用。處理器210可以利用微處理器實施，例如單核微處理器、多核微處理器。備選地，處理器210可以包括微控制器、邏輯設備(例如，配置以執行處理功能的可編程邏輯設備)、數字信號處理(DSP)設備或一些其他類型的公知的處理器。處理器210適于與兀件220、240、250、252、260和262連接和通信，以執行本文所述的方法和處理步驟。在各個實施方式中，處理器210可以包括用于以一個或多個操作模式操作的一個或多個模式模塊214A-214N。圖2出于圖示清楚僅示出了模塊214N。在一個方面，模式模塊214A-214N適于限定預設的處理和/或顯示功能，其可以嵌入在處理器210中或者存儲在存儲器220上以由處理器210訪問和執行。在另一方面，處理器210可以適于執行各種類型的圖像處理算法以加強紅外圖像。在各個實施方式中，應該意識到，可以將LBM110、OMl20和/或每個模式模塊214A-214N集成在軟件和/或硬件中，作為處理器210的一部分或者作為代碼存儲在存儲器220中。本文所公開的LBM110、OMl20和/或每個模式模塊214A_214N(即，操作模式)的實施方式可以由將被計算機(例如基于邏輯或處理器的系統)執行以進行本文所公開的各種方法的分離的計算機可讀媒介(例如，存儲器，例如硬盤驅動器、光盤、數字視頻盤、或者閃存)存儲。在一個例子中，計算機可讀媒介可以是便攜式的和/或與紅外成像系統200分離地布置，其中通過將計算機可讀媒介耦接至紅外成像系統200和/或通過紅外成像系統200從計算機可讀媒介(例如，包括永久信息)下載(例如，通過有線或無線鏈接)LBM110、OMl20和/或每個模式模塊214A-214N，將LBMl 10、OMl20和/或每個模式模塊214A-214N提供給紅外成像系統200。在一個實施方式中，存儲器220包括一個或多個存儲設備以存儲數據和信息。該一個或多個存儲設備可以包括各種類型的存儲器，包括易失性和非易失性存儲設備，例如RAM(隨機訪問存儲器)、R0M(只讀存儲器),EEPROM(電可擦除只讀存儲器)、閃存等。在一個實施方式中，處理器210適于執行存儲在存儲器220中的軟件以通過本文所述的方式執行各種方法、處理和操作模式。在一個實施方式中，圖像傳感器105包括一個或多個紅外傳感器(例如，任何類型的紅外探測器、諸如焦平面陣列)以捕獲表示圖像的紅外圖像信號，例如水面104的圖像。傳感器105將水面104的捕獲的圖像信號表示為數字數據(例如，通過包括為紅外傳感器的一部分的模擬-數字轉換器或與作為紅外成像系統200的一部分的紅外傳感器分離的模擬-數字轉換器)。處理器210適于從傳感器105接收紅外圖像信號，以處理紅外圖像信號(例如，以提供處理過的圖像數據)、以將紅外圖像信號或圖像數據存儲在存儲器220中和/或從存儲器220中檢索存儲的紅外圖像信號。處理器210可以適于處理存儲在存儲器220中的紅外圖像信號，以給顯示部件240提供圖像數據(例如，捕獲的和/或處理過的紅外圖像數據)用于由用戶觀看。在一個實施方 式中，顯示部件240包括圖像顯示設備(例如，液晶顯示器(IXD))或各種其他類型的公知的視頻顯示器或監視器。處理器210可以適于將圖像數據和信息顯示在顯示器240上。處理器210可以適于從存儲器220檢索圖像數據和信息，以及將任何檢索的圖像數據和信息顯示在顯示器240上。顯示部件240可以包括顯示電子裝置，其可以由處理部件100使用以顯示圖像數據和信息(例如，紅外圖像)。顯示部件240可以從傳感器105經由處理器210直接接收圖像數據和信息，或者可以通過處理器210從存儲器220傳送圖像數據和信息。在一個實施方式中，控制部件250包括用戶輸入和/或接口設備，其具有一個或多個用戶驅動部件。例如，驅動部件可以包括一個或多個按鈕、滑桿、可轉動球形把手和/或鍵盤，其適于產生一個或多個用戶驅動輸入控制信號。控制部件250可以適于集成作為顯示器240的一部分，以起到用戶輸入設備和顯示設備的功能，例如，適于從用戶觸摸顯示屏的不同部分接收輸入信號的觸摸屏設備。處理器210可以適于從控制部件250感測控制輸入信號，以及響應從其中接收的任何感測的控制輸入信號。在一個實施方式中，控制部件250可以包括控制面板單元(例如，有線或無線手持控制單元)，其具有一個或多個適于與用戶交互并接收用戶輸入控制信號的用戶驅動的機械裝置(例如，按鈕、球形把手、滑桿等)。在各個實施方式中，可以利用控制面板單元的一個或多個用戶驅動的機械裝置來選擇與模式模塊214A-214N有關的各種操作模式。因此，應該意識到，控制面板單元可以適于包括一個或多個其他的用戶驅動的機械裝置，以提供紅外成像系統200的各種其他的控制功能，例如，自動聚焦、菜單使能和選擇、視域(FoV)、亮度、對比度、增益、偏置、空間、時間和/或各種其他特征和/或參數。在其他實施方式中，可以基于選擇的操作模式由用戶或操作員來調節可變增益信號。在另一實施方式中，控制部件250可以包括圖形用戶界面(GUI)，其可以集成為顯示器240(例如，用戶驅動的觸摸屏)的一部分，具有用戶啟動的機械裝置(例如，按鈕、球形把手，滑桿等)的一個或多個圖像，所述用戶啟動的機械裝置適于與用戶交互并經由顯示器240接收用戶輸入控制信號。根據一個或多個實施方式，紅外成像系統200可以用作傳感器，該傳感器適于自動探測石油泄漏。例如，傳感器105可以表示未冷卻的、長波紅外(LWIR)微型測輻射熱儀傳感器。在一個示例性應用中，使用LWIR帶中的海水和石油之間的發射率差，微型測輻射熱儀探測器可以用來發現石油泄漏。因此，利用本文公開的技術，可以使用便宜、緊湊、單波帶傳感器來探測石油泄漏。例如，對于實施方式，如本文所述，通過將LBM110、0M120和探測算法125應用至紅外圖像的處理器210，可以在紅外圖像(例如，快照和/或視頻)中將石油分類，并且與波浪、反射等分離。在一個實施方式中，紅外成像系統200可以適于自動探測，包括人眼不可見的石油泄漏，諸如柴油泄漏。因此，無人操縱油鉆探設備可以自動地檢查泄漏，而不用人為干涉，并且可以及早探測石油泄漏。紅外成像系統200可以適于在夜間、沒有照明的情況下操作。
在一個實施方式中，模式感測部件260包括應用傳感器，其適于根據感測應用(例如，有意的使用或實施)自動感測操作模式，以及將相關信息提供給處理器210。在各個實施方式中，應用傳感器可以包括機械式觸發機械 裝置(例如，夾具、夾子、鉤子、開關、按鈕等)、電子式觸發機械裝置(例如，電子開關、按鈕、電信號、電連接等)、機電式觸發機械裝置、電磁式觸發機械裝置或其一些組合。備選地，可以由紅外成像系統200的用戶經由控制部件250來提供操作模式。處理器210可以適于與模式感測部件260 (例如，通過從模式感測部件260接收傳感器信息)和傳感器105 (例如，通過從傳感器105接收數據和信息以及將命令、控制和/或其他信息提供到紅外成像系統100的其他部件或接收來自紅外成像系統100的其他部件的命令、控制和/或其他信息)通信。在各個實施方式中，模式感測部件260可以適于提供與系統應用有關的數據和信息，所述系統應用包括與各種類型的車輛(例如，陸用車輛、船只、油鉆探設備、飛機、航天器等)有關的手持實施和/或耦接實施。在一個實施方式中，模式感測部件260可以包括經由無線通信將信息轉送給處理器210的通信設備。例如，模式感測部件260可以適于通過衛星、通過局部廣播傳輸(例如，無線電頻率)、通過移動或蜂窩網絡和/或通過基礎設施中的信息標識(例如，運輸或公路信息標識基礎設施)或者各種其他的有線或無線技術接收和/或提供信息。在另一實施方式中，紅外成像系統200可以包括一個或多個其他類型的感測部件262，根據感測應用或實施，其包括環境和/或操作傳感器，給處理器210 (例如，通過從每個感測部件262接收傳感器信息)提供信息。在各個實施方式中，其他感測部件262可以適于提供與環境條件有關的數據和信息，環境條件例如內部和/或外部溫度條件、照明條件(例如，白天、夜晚、黃昏和/或黎明)、濕度水平、特定天氣條件(例如，晴天、雨天和/或雪天)、距離(例如，激光測距儀)和/或是否進入或退出了隧道、有蓋的停車場、或者一些類型的封閉體。因此，其他感測部件262可以包括一個或多個所屬領域技術人員已知的傳統的傳感器，用于監控可以對傳感器105提供的數據起作用(例如，對圖像外觀)的各種條件(例如，環境條件)。在一些實施方式中，其他感測部件262可以包括將信息經由無線通信轉送給處理器210的設備。例如，每個感測部件262可以適于從衛星、通過局部廣播(例如，無線電頻率)傳輸、通過移動或蜂窩網絡和/或通過基礎設施(例如，運輸或公路信息標識基礎設施)中的信息標識或各種其他的有線或無線技術接收信息。在各個實施方式中，根據期望或應用需求，紅外成像系統200的部件可以與或不與代表系統的各個功能塊的紅外成像系統200組合和/或實施。例如，處理器210可以與存儲器220、傳感器105、顯示器240和/或模式感測部件260組合。作為進一步的例子，紅外成像系統200可以代表網絡系統，其中傳感器105遠離紅外成像系統200的某些其他部分。在再一實施方式中，控制部件250可以與一個或多個其他部件組合或經由有線或無線控制設備遠程連接至至少一個其他部件，例如處理器210，以便向其提供控制信號。在一個實施方式中，通信部件252可以包括網絡交互部件(NIC)，其適于與包括其他設備的網絡通信。在各個實施方式中，通信部件252可以包括無線通信部件，例如基于IEEE802.1l標準的無線局域網絡(WLAN)部件、無線寬帶部件、移動蜂窩部件、無線衛星部件或適于與網絡通信的各種其他類型的無線通信部件。因此，通信部件252可以包括耦接至其的天線，用于無線通信。在其他實施方式中，通信部件252可以適用于與DSL (例如，數字用戶線路)調制解調器、PSTN(公共電話交換網絡)調制解調器、以太網設備和/或適于與網絡通信的各種其他類型的有線和/或無線網絡通信設備交互。在各個實施方式中，網絡可以實施為單個網絡或多個網絡的組合。例如，在各個實施方式中，網絡可以包括英特網和/或一個或多個內聯網、有線電話網絡、無線網絡和/或其他合適類型的通信網絡。在另一例子中，網絡可以包括適于與其他通信網絡通信(例如，英特網)的無線通信網絡(例如，蜂窩電話網絡)。因此，在各個實施方式中，紅外成像系統100可以與特定網絡鏈接關聯，例如URL(統一資源定位符)、IP(英特網協議)地址和/或移動電話號碼。因此，提供了信號處理算法以及用于實施這些算法的系統的概要，現在將對這些算法進行更加詳細的描述。圖3是算法處理300的框圖。使用圖像處理領域已知的不均勻糾正(NUC)和降噪算法305初始地處理LWIR幀序列。為了降低處理器210上的計算負擔以及增加圖像信號-噪聲比，通過空間過濾和下采樣算法310處理來自算法305的輸出幀，從而使得相鄰的像素被平均以產生下采樣像素。范圍估計算法315從算法310估計處理的像素的范圍。該范圍估計可以是連續的或者可以針對范圍庫估計像素。例如，可以將由傳感器105成像的視域劃分為相等范圍程度的四個范圍庫。將給定庫中的所有像素看作具有相同范圍以降低計算復雜度。幀序列的預處理通過特征提取算法320完成。算法320提取由LBMllO和0M120使用的特征(除了范圍特征，其如上所述由算法315提取)，以表征像素模型的似然性。如果LBMllO和0M120充分的不可能，那么將像素視為表示油。例舉的特征包括像素強度、局部對比度(紋理)或其他適當的圖像特征。利用提供和預處理完成的特征，相應地評估和更新LBM110。在這個方面，可以有或者可以沒有初始產生LBMllO的初 始周期。例如，如果不存在這樣的初始周期，那么運行中產生LBM110，如同其被更新。這種運行中產生LBMllO將必然包括相當大頻率的錯誤告警，直到LBMllO穩定。備選地，可以使用離線初始周期(未示出)來處理一些初始圖像幀以產生LBM110。由于每個幀都被預處理和提取特征，所以可以在步驟325中使用產生的特征來評估像素的LBM的似然性。接著，可以在步驟330中響應于當前像素更新每個像素的局部背景模型。該更新被衰減以防止異常事件的短序列使局部背景模型偏斜。雖然可以使用多個特征來實施LBM110，但是用于LBMllO的下面例舉的實施方式僅僅使用像素強度單個提取特征，該單個提取特征由局部背景模型建立模型。可以使用多種統計模型中的任一個(例如，混合高斯模型(MGM))來建立該統計表現的模型。備選地，可以使用柱狀圖方法來建立統計表現的模型。對于MGM實施方式，用來建立觀察的像素強度的模型的高斯的數量是設計選擇的，其取決于期望的精度與產生的計算復雜度。下面的例子假設使用3個高斯模型來在LBMllO下建立像素強度的模型。圖4將這3個高斯表示為曲線400、405和410。3個高斯被加權并且計和以產生用于圖像幀中第i行和第j列中的給定像素的LBM模型110。可以看到，因為三個高斯被用來構建LBMl 10，所以LBMllO由9個因素完全描述每個高斯的平均值和標準偏差以及每個高斯的加權因數。給定這種LBM110，可以容易地看到如果該像素的被觀察的歸一化強度在0. 0至大約0. 29的范圍內，那么LBMllO描述這種表現的歸一化似然性必然為零。這種歸一化強度值因此代表該像素的、與如LBMllO下建立模型的其局部背景表現有關的統計異常事件。但是，這種觀察，雖然局部非常不可能，但是可以結果是在0M120下確定的統計意義上的非異常。我們不希望探測的這種頻繁觀察的異常的例子包括閃光的波峰、波浪陰影中的暗強度、靜止的零碎物體以及諸如大型褐藻的移動的零碎物體。回來參照圖3，于是可以將LBMllO計算的相對罕見觀察在統計上可能地看作OMl20已經被特征化的離群值。在這個方面,在步驟335中在0M120下評估每個像素，以確定在步驟320中提取的它的OM評估特征是否表明這些觀察到的提取特征表示0M120下的那個像素的統計上可能的事件。就像LBMllO—樣，可以使用任何合適的統計模型(例如，混合高斯模型(MGM))表示OMl20。備選地，可以使用柱狀圖建立0M120的圖形。在下面的例子中，將假設0M120由包含20個高斯的MGM表示。但是，0M120的提取特征是多維的。例如，像素(i，j)的提取特征可以由向量Xy表示。該向量的維數取決于在精度和計算復雜度之間折衷的特定設計。在一個實施方式中，提取特征向量是三維的，從而使得為每個像素提供三個特征以在0M120下評估每個像素。例如，該三個提取特征可以包括范圍、強度和對比度。因為該多維數，0M120可以完全地由高斯平均值和協方差以及給予每個高斯的權重表征。如果使用MGM建立0M120的模型，其可以表示為
權利要求
1.一種紅外照相機系統,包括 傳感器，其適于捕獲水體的圖像，其中圖像包括多個數字像素；以及處理器，其適于評估來自數字像素的與局部背景模型有關的第一組特征，所述處理器進一步適于響應于局部背景模型評估，以探測水體上的包含石油的污染物。
2.根據權利要求1所述的紅外照相機系統，其中所述處理器進一步適于評估來自數字像素的與離群值模型有關的第二組特征，所述處理器進一步適于響應于離群值模型評估，以探測包含石油的污染物。
3.根據權利要求2所述的紅外照相機系統，其中所述局部背景模型包括相應地一一對應的基于多個數字像素的多個局部背景模型。
4.根據權利要求3所述的紅外照相機系統，其中所述多個數字像素是下采樣像素。
5.根據權利要求2所述的紅外照相機系統，其中所述離群值模型包括了單個離群值模型。
6.根據權利要求3所述的紅外照相機系統，其中所述第一組特征包括每個像素的強度，以及其中與局部背景模型有關的評估包括根據相應像素的強度確定局部背景模型的似然性。
7.根據權利要求6所述的紅外照相機系統，其中所述處理器還適于根據來自每個像素的提取特征確定離群值模型的似然性。
8.根據權利要求7所述的紅外照相機系統，其中所述處理器還適于識別其提取特征相對不可能在離群值模型和局部背景模型下的像素，其中識別的像素對應于探測的包含石油的污染物。
9.一種在紅外圖像中探測包含石油的污染物的方法，所述紅外圖像由多個數字像素組成，包括 從每個像素中提取至少一個特征，其中對于每個像素，相應的局部背景模型建立該至少一個特征的統計表現的模型； 根據至少一個提取的特征，確定每個局部背景模型的似然性；以及 響應于確定的似然性，探測紅外圖像中的包含污染物的像素。
10.根據權利要求9所述的方法，其中至少一個提取的特征包括像素強度。
11.根據權利要求10所述的方法，其中至少一個提取的特征還包括像素對比度。
12.根據權利要求11所述的方法，其中至少一個提取的特征還包括像素紋理。
13.根據權利要求9所述的方法，還包括 提供離群值模型，其中所述離群值模型為被識別為對應于相對不可能的局部背景模型的像素建立至少一個提取的特征的統計表現的模型；以及 確定每個像素的離群值模型的似然性，其中包含污染物的像素的探測進一步響應于離群值模型似然性。
14.根據權利要求13所述的模型，其中由每個局部背景模型和離群值模型建立統計表現的模型是在缺乏污染物的情況下進行的。
15.根據權利要求13所述的模型，還包括響應于提取的特征更新每個局部背景模型。
16.根據權利要求15所述的模型，還包括根據相應的局部背景模型的似然性加權每個像素。
17.根據權利要求16所述的模型，還包括響應于像素加權更新離群值模型。
18.一種方法，包括 感測海面的第一紅外圖像幀，其中所述紅外圖像幀包括多個數字像素； 對于每個像素，使用混合高斯模型(MGM)建立至少一個提取的圖像特征的統計表現的模型，每個像素因此對應于建立統計表現模型的局部背景模型； 感測海面的第二紅外圖像幀； 對于第二紅外圖像幀中的每個像素，提取至少一個圖像特征； 對于第二紅外圖像幀中的每個像素，根據提取的圖像特征確定相應的局部背景模型的似然性；以及 響應于確定的似然性，探測第二紅外圖像中的任何包含油的像素。
19.根據權利要求18所述的方法，其中混合高斯模型包括三個高斯。
20.根據權利要求18所述的方法，還包括如果沒有探測到包含油的像素，則更新每個局部背景模型。
全文摘要
根據一個或多個實施方式，本文公開的紅外成像系統及方法用于紅外圖像中探測石油。該探測包括根據提取像素特征評估局部背景模型似然性以及根據提取的像素特征評估全局離群值模型。這些具有對于像素的局部背景模型以及離群值模型低似然性的像素被識別為對應于紅外圖像中的包含污染物的水。
文檔編號H04N5/33GK103069791SQ201180041231
公開日2013年4月24日 申請日期2011年8月11日 優先權日2010年8月11日
發明者A·P·布朗, N·霍根斯特恩, A·理查茲 申請人:菲力爾系統公司